Trabajo Final Grupo 100402 293

UNIDAD 2 - TAREA 3 – EXPERIMENTOS ALEATORIOS Y DISTRIBUCIONES DE
PROBABILIDAD
Estudiantes:
Jonathan Alfonso Benjumea
Luis Rene Sánchez forero
Javier Andrés Medina Meléndez
Código de grupo:
100402_293
Presentado a
Tutor(a):
NAYIVES XILENA TRUJILLO
Universidad Nacional Abierta y a Distancia – UNAD
Escuela de Ciencias Básicas Tecnologías e Ingeniería ECBTI
Ingeniería de Telecomunicaciones
30 de noviembre de 2020
1. INTRODUCCION
El siguiente trabajo se va a realizar con el fin de que los estudiantes pongan en

práctica los conceptos teóricos estudiados en esta unidad, de tal manera que les permita
resolver ejercicios de casos prácticos sobre los temas de Probabilidad condicional y las
distribuciones de Probabilidad según las situaciones y problemáticas planteadas.
2. OBJETIVOS
Objetivo General
Resolver ejercicio prácticos de los temas tratado sobre Probabilidad condicional y las
distribuciones de Probabilidad de acuerdo a las situaciones y problemáticas planteadas.
Objetivos Especiales
 Socializar en la plataforma la tabla de definición de concepto, evidenciando su

lectura y comprensión.
 Presentar observaciones dentro del foro (plataforma)
 Investigar los elementos establecidos por el tutor (bibliografías) para fortalecer
bases en las actividades a realizar
 Desarrollar las actividades
 Realizar simulaciones en el programa puesto por la unidad. GeoGebra
 Entregar documentación y socialización de las respuestas En el foro (plataforma)
 Compilación de la información para carga colaborativa
ACTIVIDAD GRUPAL
Actividad 1. Tabla comparativa de conceptos (Grupal).
Descripción de la Actividad.
La actividad consta de 3 pasos, los cuales ayudan al desarrollo de la actividad:
Paso 1. Se recomienda revisar las siguientes referencias bibliográficas del entorno de

aprendizaje - contenido y referente bibliográficos de la unidad 2 – Experimentos aleatorios
y distribuciones de Probabilidad:
Paso 2. A partir de las referencias bibliográficas consultadas (pueden utilizar referencias

adicionales), deberán realizar una tabla comparativa de conceptos como se muestra en el
anexo 2 - Tablas para el desarrollo de los ejercicios. En la tabla cada estudiante deberá dar
la definición de cada uno de los siguientes conceptos (en máximo 3 renglones), citando las
referencias consultadas en normas APA:
Paso 3. Una vez cada que estudiante realice su aporte acerca de la explicación corta de los
términos anteriores (separados con comas), el grupo discutirá en el foro de trabajo
colaborativo las respuestas de los compañeros para construir un párrafo por cada término y
seleccionar la variable, formula o imagen que representa el concepto, utilizando la “tabla
comparativa de conceptos” del anexo 2 - Tablas para el desarrollo de los ejercicios.
TABLA COMPARATIVA
VARIABLE, FORMULA O
CONCEPTOS DEFINICION IMAGEN QUE REPRESENTA EL
CONCEPTO
Se define como una función a la
Variable Aleatoria cual se le asigna un valor v.a( X)
matemática que se asocia a un valor
numérico a cada posible resultado
de un experimento aleatoria.
Es aquella que puede tomar
Variable Aleatoria cualquier valor fijado entre dos
consecutivos entre un intervalo (1.5
Continua – 1.7-1.8-2.9) y estos valores no se
repiten.
Es aquella que solo puede tomar un

Variable aleatoria numero finito de valores dentro de Sea X una v . a discreta, se define su ( x )=P ( X =x
un intervalo (1 – 2 -3)entre otros ¿ funcion de probabilidadf x
discreta pero nunca podrán ser (1.5-2.7)
Distribución de Se puede definir como una función F X ( x ) =Prob ( X ≤ x ) =μP { ωϵ Ω∨X ( ω ≤ x ) }
en donde a cada suceso definido
Probabilidad
sobre la variable, la probabilidad de
que suceda u ocurra dicho suceso.
Distribución de En esta se describe los posibles
valores que puede tomar una
Probabilidad
variable aleatoria continua dentro
Continua de un conjunto de posibles valores.
Distribución de En esta se describe la probabilidad

de ocurrencia de cada valor de una
Probabilidad
variable aleatoria discreta.
Discreta
Es una de las medidas más usada

Media para encontrar el promedio de
tendencia central para una variable
aleatoria con distribución de
probabilidades.
Desviación Es una medida de dispersión la cual

nos indica cuánto pueden alejarse
estándar
los valores con respecto al
promedio (media) y es útil para
buscar probabilidades de que un
evento ocurra.
Valor esperado El valor esperado en una variable
aleatoria, representa la sumatoria de
las probabilidades de que dicho
suceso ocurra.
Varianza Es una medida de dispersión de n
datos u observaciones que var ( x )=∑ ¿ ¿¿ ¿

1
representa la variabilidad de una
serie de datos respecto a su media
Función de Es la probabilidad de que una f ( x 1 ) =p ( X=x )
variable aleatoria discreta asocia
Probabilidad
cada valor de x de la variable de su
probabilidad
Función de Se describe como la probabilidad
relativa de que una variable
densidad
aleatoria continua tomará un
determinado valor
Distribución Es una distribución de

probabilidades discreta, la cual
binomial
describe el número de éxitos al
momento de realizar n
experimentos independientes entre
sí.
Aproximación de La distribución binomial se

aproxima a la Poisson cuando el
la D.
parámetro n tiende a infinito y el
binomial a la D. parámetro p tiende a ser cero, de
manera que el producto de n por p
Poisson
sea una cantidad constante.
Distribución Es una distribución de
probabilidades discreta, en la cual
Poisson e− λ λk
se determina la probabilidad de que f ( k , λ )=
ocurra un determinado número de k!
hechos en un intervalo de tiempo o
de espacio
Distribución
Hipergeométrica
Es una distribución de
probabilidades discreta, con la cual ()
P ( x) = C ¿ ¿
X
se determina la probabilidad de una
selección aleatoria de un objeto sin
repetición.
Es una distribución de variable

Distribución
continua, el cual modelar varios
normal fenómenos naturales, sociales y
psicológicos.
Distribución Es aquella que tiene por media el

valor cero, μ =0, y por desviación
normal
estándar típica la unidad, σ =1. x −μ
Z=
σ
Representa el 100% de los casos,
Área bajo la curva probabilidad de encontrar un valor
de la variable que sea igual o
inferior a un valor dado.
Aproximación de Se utiliza una distribución normal

la con la misma media y desviación
normal a la típica de la distribución binomial.
binomial
Actividad 2. Ejercicios de aplicación - Individual
Tipo de ejercicios 1 - Distribución Binomial.
Desarrollado por Luis Rene Sanchez
()
f ( x )=P ( X =x )= n p x qn− x
x
a.) Camilo y Juan se reúnen todos los miércoles para jugar un partido de tenis de mesa. Si
la probabilidad de que Juan gane un juego en particular es 0.6, ¿cuál es la probabilidad de
que en los primeros 10 juegos:
1) ¿Camilo gana los 10?

2) ¿Juan gana cómo máximo dos juegos?
3) ¿Camilo gana al menos seis juegos?
Desarrollo del Ejercicio.
Tenemos los siguientes datos.
p = 0,6
q = 0,4
n = 10
 ¿Camilo gana los 10?
n = 10, x = 10, p = 0.4, q = 0.6
Utilizo la fórmula de Distribución Binomial, remplazo y opero los datos
()
f ( x )=P ( X =x )= n p q
x
x n− x
( )
f ( x )=P ( X =10 )= 10 0.4 0.6
10
10 10−10
( )
10 = 10 !
10 10 ! ( 10−10 ) !
=1
f ( x )=P ( X =10 )=( 1 ) ( 0.0001048576 ) ( 1 )=0.0001048576
Para denotarlo en porcentaje se multiplica por cien.
P ( X=10 )=0.0001048576∗100=0.01
La probabilidad que Camilo gana los 10 juegos es 0.01%

Imagen 1. Comprobación en Software GeoGebra del ejercicio 1 numeral 1.
 ¿Juan gana cómo máximo dos juegos?

1. Identifico los datos:
n = 10, x = 2, p = 0.6, q = 0.4
Para efectos de practicidad y de demostrar la apropiación de los conceptos, solo voy

a desarrollar el paso a paso de x = 2, los anteriores valores los opero en calculadora sin el
paso a paso.
()
f ( x )=P ( X =x )= n p q
x
x n− x
( )
f ( x )=P ( X =0 )= 10 0.60 0.410−0=0.0001
0
( )
f ( x )=P ( X =1 )= 10 0.6 1 0.4 10−1 =0.0016
1
( )
f ( x )=P ( X =2 )= 10 0.6 2 0.4 10−2
2
(102 )= 2 ! ( 10−2
10 !
=
3628800 3628800
) ! 2 ( 40320 )
=
80640
=45
f ( x )=P ( X =2 )=( 45 )( 0.36 )( 0.00065536 )=0.010616832

Ahora sumo las probabilidades de 0 hasta 2.
P ( X ≤2 ) =0.0001+0.0016+0.010616832=0.0123
P ( X ≤2 ) =0.0123∗100=1.23
La probabilidad que Juan gana cómo máximo dos juegos es 1.23%
 ¿Camilo gana al menos seis juegos?

2. Identifico los datos:
n = 10, x = 6, p = 0.4, q = 0.6
Para efectos de practicidad y de demostrar la apropiación de los conceptos, solo voy

a desarrollar el paso a paso de x = 6, los posteriores valores los opero en calculadora sin el
paso a paso.
()
f ( x )=P ( X =x )= n p x qn− x
x
( )
f ( x )=P ( X =6 ) = 10 0.4 0.6
6
6 10−6
(106 )= 6 ! ( 10−6
10 !
=
3628800 3628800
) ! 720 ( 24 )
=
17280
=210
f ( x )=P ( X =6 ) =( 210 )( 0.004096 )( 0.1296 )=0.111476736
( )
f ( x )=P ( X =7 )= 10 0.47 0.610−7=0.0425
7
( )
f ( x )=P ( X =8 )= 10 0.4 0.6 =0.0106
8
8 10−8
( )
f ( x )=P ( X =9 ) = 10 0.4 0.6 =0.0016
9
9 10−9
( )
f ( x )=P ( X =10 )= 10 0.4 10 0.6 10−10 =0.0001
10
Ahora sumo las probabilidades de 6 hasta 10.
P ( X ≥6 )=0.111476736+ 0.0425+ 0.0106+0.0016+ 0.0001=0.1662
P ( X=6 )=0.166∗100=16.62
La probabilidad que Camilo gana al menos seis juegos es 16.62 %

Desarrollado por Javier Andrés Medina
b. Treinta personas, que tienen la misma edad y el mismo estado de salud, son aseguradas
hoy con la misma compañía de seguros. Usando tablas de vida, la compañía estima que
la probabilidad de que una persona elegida al azar entre estos 30 esté viva en 15 años a
partir de ahora es del 0.8.
1) ¿Cuál es la probabilidad de que no todas las 30 personas estén vivas en 15 años?
Solución
Exito=una persona no este viva en15 años
p=P ( exito ) =0.2
n=numero de veces que se repite el evento=30 que es el tamaño de muestra
x=numero de personaque esten vivaen 15 años
r =numero de exito=1
q= probalidad de fracaso=0.8
P ( x=0 )=1−P ( x =0 )
La fórmula de la distribución binomial
()
P ( x) = n ( p) ( q )
r
r n−r
Primero desarrollamos el coeficiente binomial
(nr)= r ! ( n−r
n!
)!
(300 )= 0 ! ( 30−0
30 !
)!
=1
Reemplazamos en la formula
0 30−0
P ( 0 )=1∗( 0.2 ) ( 0.8 )
P ( 0 )=0.00123=0.123 %
P ( x=0 )=1−0.00123=0.998
La probabilidad que no todas las 30 personas estén vivas en 15 años es muy pequeña por
es tiende a 0.928%
Comprobación en Geogebra.
2) ¿Cuál es la probabilidad de que al menos una persona de las 30 esté viva en 15 años?
Solución
Exito=una persona este vivaen 15 años
p=P ( exito ) =0.8
n=numero de veces que se repite el evento=30 que es el tamaño de muestra
x=numero de personaque esten vivaen 15 años
r =numero de exito=1
q= probalidad de fracaso=0.2
La fórmula de la distribución binomial
()
P ( x) = n ( p) ( q )
r
r n−r
Primero desarrollamos el coeficiente binomial
(nr)= r ! ( n−r
n!
)!
(301 )= 1! ( 30−1
30 !
)!
=30
Reemplazamos en la formula
1 30−1
P ( x ) =30 ( 0.8 ) ( 0.2 )
P ( x ) =0
La probabilidad que uno personas estén vivas de las 30 en 15 años es 0%
3) Toda persona asegurada que estará viva después de 15 años recibirá $100.000.000.
Cuánto dinero debe estar dispuesta a pagar la aseguradora en 15 años por este lote de
asegurados?
Como la probabilidad que 1 persona esté viva en 15 años es de 0%, entonces no pagara
dinero alguno.
Desarrollado por Jonathan Benjumea Ferreira
d. Lisa, Tony y Tom participan en un concurso de televisión y en algún momento tienen

que responder las mismas preguntas, no tienen la misma probabilidad de responder la
pregunta correctamente, pero sus respectivas probabilidades son p=0,3, q=0,45 y r=0,27.
Si la probabilidad de una respuesta correcta para cada persona sigue siendo la misma en
preguntas posteriores, cual es la probabilidad de que cuando se le pregunte a cada uno las
mismas cinco preguntas:
1) Lisa conteste correctamente todas las preguntas que se le hagan.
R// En la distribución binomial aleatorio solo hay dos posibles resultados
Los resultados son independientes
P=Exitos probabilidad
Datos que nos da el ejercicio:
Exito=Lisa conteste correctamentelas 5 preguntas
P=Probabilidad de exito=0,3
n=¿ de veces que se repite el experimento=5 preguntas≤hacen a Lisa
X =¿ de aciertos de Lisa en las 5 preguntas que≤realizan
k =¿ de exitos en la respuesta de Lisa=5
q=Probabilidad de fracaso ( 1− p )=0,7
Formula a aplicar:
k()
P ( X=k )= n ( p ) ( 1− p )
k n−k
En donde para resolver números combinatorios tenemos que:

(nr)= X ! ( n−X
n!
)!
Reemplazamos los valores en la fórmula:
5 ()
P ( X=5 )= 5 ( 0,3 ) ( 0,7 )
5 5−5
5!
P ( 5 )= ( 0,3 )5 ( 0,7 )5−5
5 ! ( 5−5 ) !
Ahora resolvemos
P ( 5 )=0,00243=0,24 %
Respuesta: La probabilidad de que Lisa responda correctamente las 5 preguntas es

de 0.24%.
Demostración en Geogebra
2) Lisa sea la única persona en responder las cinco correctamente.
Exito : Lisa se launica en responder las preguntad
P=Probabilidad de exito=0,3
n=¿ de veces que se repite elexperimento=15
X =Lisa sea launica en responder las 5 preguntas entrelos3 participantes
k =5
q=Probabilidad de fracaso ( 1− p )=0.7
()
P ( X )= n ( p ) ( q )
k
k n−k
5( )
P ( X=5 )= 15 ( 0,3 ) ( 0,7 )
5 15−5
15!
P ( X=5 )= ( 0,3 )5 ( 0,7 )15−5
5! ( 15−5 ) !
15 !
P ( X=5 )= ( 0,3 )5 ( 0,7 )10
5! ( 10 ) !
P ( X=5 )=0,2061=20,61 %
Respuesta: La probabilidad de que Lisa sea la única en responder las 5 preguntas

correctamente es de 20.61%
Demostración en Geogebra
Ejercicio 2. Distribución Poisson.
a. En la unidad de producción de alambre de una fábrica, hay un empleado que

inspecciona la calidad del cable a medida que sale de la máquina que lo produce.
Se ha estimado que la cantidad de defectos en el cable sigue un proceso de
Poisson con una tasa de un defecto por 100 m de alambre producido. Un día,
durante el trabajo, se llama al empleado para que responda una llamada telefónica
urgente y él está ausente de su puesto durante 20 minutos. Si la máquina produce
30 m de cable por minuto, encuentre la probabilidad 8 de que el empleado haya
fallado durante su ausencia más de un defecto en el cable
Desarrollo del Ejercicio.
Cada 100 metros de cable producido se provoca un defecto.
El empleado está ausente 20 minutos.
La máquina produce 30 Mts de cable por 1´.
Lo que quiere decir que: en 20 minutos se producen 600 metros (20

minutos * 30 Mts).
Identifico los datos: x=1
Formula.
Iniciamos la operación matemática. (Reemplazamos valores y operamos con calculadora).
1
λ= ∗600 m=6
100 m
Con este dato hallado (6), continuamos operando la fórmula.
−λ x
e λ
f ( x , λ )=
x!
Reemplazo Valores.
e−6 61
f ( x , λ )=P ( X =1 )= =0.0148725131
1!
Si queremos denotarlo en porcentaje solo multiplicamos por cien por ciento.
P ( X=1 ) =0.0149∗100 %=1.49 %
Respuesta. Tenemos la probabilidad de que, por la ausencia, de que el empleado

se deje pasar una sección de cable con algún defecto es de 1.49%.
Desarrollado por Javier Andres Medina
b. La llegada de aviones a un aeropuerto puede ser modelada por un proceso de Poisson

con una tasa de 5 llegadas por hora.
Solución
Exito=llegada de aviones al aeropuerto
X =numero de aviones que llegan al aeropuerto en 1 hora
λ=5 aviones llegan por hora
¿Cuál es la probabilidad de que llegue al menos un avión entre las 3:30 p.m. y las 5:00
p.m. en un día?
Tenemos que la fórmula de la distribución poisson es:
λ x∗e−λ
P ( X )=
X!
Si 5 aviones llegan en una hora entonces de 3:30pm a 5:00pm llegas 7.5 es decir λ=7.5 y
la probabilidad que llegue 1 es cuando x=1
1 −7.5
7.5 ∗e
P ( 1 )= =0.00414=0.41 %
1!
La probabilidad que llegue un aviones entre las 3.30 y 5:00 es de 0.41%
¿Encuentre el valor esperado y la varianza del número de aviones que llegan entre las
3:30 p.m. y las 5:00 p.m. en un día?
El valor esperado es igual a λ y para el horario de 3:30pm a 5:00pm es:
E ( x )=λ=7.5
Y la varianza también es igual a λ
Var ( x ) =λ=7.5
Comprobación en Geogebra
d. Los clientes de Bancolombia llegan de acuerdo con un proceso de Poisson con una
tasa de 2 clientes por un período de cinco minutos. Encuentra la probabilidad de que
1) Un cliente ingrese al banco entre las 2:00 p.m. y 2:15 p.m.
2) Dos clientes ingresen al banco entre las 2.15 p.m. y 2:30 p.m.
3) Tres clientes ingresarán al banco entre las 2:00 p.m. y las 2:30 p.m.
Datos
Éxito: Llegan clientes a Bancolombia

A Bancolombia llegan dos clientes en 5 minutos
X=Número de clientes que llegan a Bancolombia en un periodo de 15 minutos
μ= Mediadel ¿ de sucesos
μ=2clientes en 5 minutos
μ=6 clientes en 15 minutos
μ=12clientes en 30 minutos
x=ocurrencia de sucesos enun intervalo de tiempo

Formula a aplicar:
μ x∗e−μ
P ( X )=
X!
1) Un cliente ingrese al banco entre las 2:00 p.m. y 2:15 p.m.
x=1 cliente entre entre 2:00 p . m. y 2:15 p . m

μ=6
e ≈2,71828
6 1∗2.71828−6
P ( X=1 ) = =0,0149=1,5 %
1!
Respuesta: La probabilidad de que un cliente entre las 2:00 p.m. y 2:15 p.m. a
Bancolombia es del 1,5%.
2) Dos clientes ingresen al banco entre las 2.15 p.m. y 2:30 p.m.
x=2 cliente entre entre 2:15 p . m. y 2 :30 p .m

μ=6

62∗2.71828−6
P ( X=2 )= =0,0446=4,5 %
2!
Respuesta: La probabilidad de que dos cliente entre las 2:15 p.m. y 2:30 p.m. a
Bancolombia es del 4,5%.
3) Tres clientes ingresarán al banco entre las 2:00 p.m. y las 2:30 p.m.
x=3 cliente entre entre 2 :00 p . m . y 2:30 p . m

2 −12
12 ∗2.71828
P ( X=3 )= =0,0018
3!
Respuesta: La probabilidad de que tres cliente entre las 2:00 p.m. y 2:30 p.m. a
Bancolombia es del 0.18%.
Ejercicio 3. Distribución Hipergeométrica.
a. 16 jugadores participan en un torneo de tenis de mesa. Tres de los jugadores que

ingresan al torneo son zurdos mientras que el resto son diestros. Suponiendo que
inicialmente todos los jugadores tienen la misma probabilidad de llegar a la final,
verifique lo siguiente:
1) ¿Cuál es la probabilidad de que dos zurdos se encuentren en la final?
2) ¿Cuál es la probabilidad de que la final sea entre un zurdo y un derecho?
Desarrollo del ejercicio.
N= 16 Jugadores.
n = 2 finalistas.
x = 2 zurdos.
d = 3 zurdos.
1) ¿Cuál es la probabilidad de que dos zurdos se encuentren en la final?
Formula.
P ( X=x )=
( x )( n−x )
d N−d
N
n
Reemplazamos valores y realizamos la operación matemática.
P ( X=2 )=
( 2 )( 2−2 )
3 16−3
(162)
(3 ) (13 )
0
P ( X=2 )=
( 120 )
(3 )( 1 ) 3 1
P ( X=2 )= = =
120 120 40
P ( X=2 )=0 , 025
Respuesta. La probabilidad de que dos zurdos se encuentren en la final es de 0 , 025.
2) ¿Cuál es la probabilidad de que la final sea entre un zurdo y un derecho?

N= 16 Jugadores.
n = 2 finalistas.
d1 = 1 zurdos.
x2 = 1 zurdos.
Formula.
P ( X=x )=
( x )( n−x )
d N−d
N
n
 Zurdos.
P ( X=1 ) =
( 1 )( 2−1 )
3 16−1
(162)
P ( X=1 ) =
( )
( 3 ) 15
1
( 120 )
( 3 )( 15 ) 45 3
P ( X=1 ) = = =
120 120 8
3
P ( X=1 ) =
8
P ( X=1 ) =0 , 375
 Diestros.
P ( X=1 ) =
( 1 )( 2−1 )
13 16−1
(162)
( 13 )( 15)
1
P ( X=1 ) =
( 120 )
( 15 )( 3 ) 45 3
P ( X=1 ) = = =
120 120 8
P ( X=1 ) =0 , 375

b. Una caja de fósforos contiene normalmente 40 fósforos. Seleccionamos tres cajas de
fósforos al azar vaciamos su contenido en una bolsa de la cual se extraen 7 fósforos se
prueban todos y no prenden.
1) ¿Cuál es la probabilidad de que al menos dos de esos fósforos defectuosos provengan

de la primera de estas tres cajas?
Solución
Exito=fofosros no prenden
N= poblacion total=120
n=subpoblacion=7
x=numero de exitos=2
k =no prende los fosforos=7
P ( x ≥ 2 )=1−P ( x ≤ 2 )=1−¿
La fórmula a utilizar
P ( x) =
( x )( n −x )
K N −K
( Nn )
P ( 0 )=
( 0 )( 7 −0 )
7 120 −7
=¿0.64
(7)
120
P ( 1 )=
( 1 )( 7 −1 )
7 120 −7
=0.29
(7)
120
P ( x ≤ 2 )=1−(0.64+ 0.29)
P ( x ≤ 2 )=0.062
La probabilidad que al menos 2 de esos fósforos defectuosos sean de la 1 caja es de 35%.
2) Explique si la aproximación binomial a la hipergeométrica sería apropiada en esta

situación.
Si, ya que el espacio maestral que maneja el problema es mucho mayor que la muestra y
podemos aplicar esta aproximación.
d. Un profesor de música quiere seleccionar ocho estudiantes de secundaria de una clase

para el coro de la escuela. Si en esta clase hay 17 niñas y 13 niños, y suponiendo que
todos los estudiantes tienen la misma probabilidad de ser seleccionados, ¿cuál es la
probabilidad de que entre los 8 estudiantes seleccionados se presente:
1) ¿Cinco niñas y tres niños?

2) ¿No hay niños?
Éxito: Seleccionar 5 niñas.

Total Población: N=30Estudiantes y la Subpoblación son de K=17 niñas
Tamaño de la muestra: n=8
X= número de niñas seleccionadas en la muestra de 8
Formula a aplicar:
f ( x )=
( x )( n x )
K NK
( Nx )
Ahora procedemos a desarrollar los ejercicios:
1) ¿Cinco niñas y tres niños?

Primero calculamos la probabilidad de que sean 5 niñas
K=17
N=30
n=8
x=5
P ( X=5 )=
( 5 )( 8 5 )
17 30 17
( 308)
Resolvemos las operaciones:
f ( x )=
( 5 )( 3 )
17 13
(308 )
Ahora resolvemos combinatoria:
P ( X=5 )=
( 17 !
) (
5 ! ( 12! )3!∗10 ! )
13 !
=0,3024=30,24 %
( 8 !∗22! )
30!
Para comprobar calculamos la probabilidad de que sean 3 niños

K=13
N=30
n=8
x=3
P ( X=3 )=
( 3 )( 8 3 )
13 30 13
( 308)
P ( X=3 )=
( 3 )( 5 )
13 17
(308 )
P ( X=3 )=
( 13 !
)
3 ! ( 11! ) 5!∗12 ! )
( 17 !
=0,3024=30,24 %
( 8 !∗22!
30 !
)
Resultado: La probabilidad de que se seleccionen sean 5 niñas y 3 niños de una muestra
de 8 estudiantes con una población total de 30 estudiantes, es de 30,24%.
Verificación en Geogebra:
2) ¿No hay niños?

Para calcular la probabilidad que no sean niños, entonces tenemos que de la muestra de 8
todos los seleccionados son niñas:
K=17
N=30
n=8
x=8
P ( X=8 )=
( 8 )( 8 8 )
17 30 17
(308 )
P ( X=8 )=
( 8 )( 0 )
17 13
(308)
f ( x )=
( 17 !
)
8 ! ( 9 ! ) 0 !∗13 ! )
( 13!
=0,0042=0,42 %
( 8!∗22
30 !
!)
Para verificar calculamos con x=0

K=13
N=30
n=8
x=0
f ( x )=
( 0 )( 8 0 )
13 30 13
(308)
f ( x )=
( 0 )( 8 )
13 17
(308 )
f ( x )=
( 13!
)
0 ! ( 13 ! ) 8!∗9 ! )
( 17 !
=0,0042=0,42 %
( 8!∗22
30 !
!)
Resultado: La probabilidad de que no se seleccione ninguno niño dentro de la

muestra 8, tomado de una población de 30 estudiantes es del 0,42%
Verificación en Geogebra:
Ejercicio 4. Distribución Normal.

Desarrollado por Luis Rene Sánchez
a. El período de gestación para nacimientos de seres humanos (vivos) se puede

representar usando una variable aleatoria X con distribución normal de media 𝜇 =
270 días y desviación estándar 𝜎 = 10 días. Encuentre la proporción de niños que
nacen después de un período de gestación de:
1) menos de 240 días.
2) entre 255 y 285 días.
Desarrollo del ejercicio.
Menos de 240 días.

P( x ≤240)
μ=270 dias .
σ =10 d í as.
La convertimos a la normal estándar.
x−μ
z=
σ
240−270
z=
10
−30
Z=
10
Z=−3
Entonces.
P( x <−3)=0 , 0013
La proporción de niños que nacen después de un período de gestación menor de 240 días,
es de 0 , 0013
Representación Gráfica.
2) entre 255 y 285 días.
P ( 255≤ x ≤ 285 )
Los datos que tenemos son:
μ=270 dias .
σ =10 d í as.
Normalizamos los valores. Realizamos la operación matemática. (Para cada uno de los
valores 255 y 285).
255−270 −15 −3
Z 255= = =
10 10 2
Z 255=−1. 5
285−270 15 3
 Z 285= = =
10 10 2
Z 255=1. 5
Entonces
P (−1.5≤ Z ≤ 1.5 )=P ( Z ≤ 1.5 )−P ( Z ≥−1.5 )
¿ 0,9332 – 0,0668
¿ 0 , 8664
La proporción de niños que nacen después de un período de gestación entre 255 y 285
días. Es de 0 , 8664
Representación Gráfica.
b. Suponga que la concentración de sodio (Na) en la sangre humana (medida en mM)

sigue una distribución normal, distribución con media de 140 y desviación estándar de 5.
Calcular:
Solución
x=concentracion de sodio en la sagren
1) La probabilidad de que la concentración de sodio en la sangre de una persona sea

menos de 130.
P= ( x <130 )
σ =5
μ=140
Hallamos primero z para encontrar su valor en la tabla.
X −μ
z=
σ
130−140
z= =−2
5
z=−2=0.228
La probabilidad de que una persona tenga concentración de sodio en la sangre menor a

130 es del 22.8%.
2) El porcentaje de personas en la población para las cuales la concentración de

sodio esta entre 140 y 150.
P= ( x >140 )
P= ( x <150 )
Hallamos 2 valores de z con ese intervalo
140−140
z 1= =0
5
150−140
z 2= =2
5
Buscamos ese valores en la tabla y tenemos que
z 1=0=0.5 z 2=2=0.9772
Resta los valores de z2-z1 para encontrar la probabilidad en ese intervalo.
z 2−z 1=0.9772−0.5=0.4772
El porcentaje de personas en la población para las cuales la concentración de
sodio esta entre 140 y 150 es de 47.72%
d. Las camisas femeninas se clasifican en S, M, L y XL según su talla. Las camisas de

talla S son adecuadas para mujeres con una medida pectoral entre 29 y 32 (pulgadas); la
talla M es adecuada para mujeres con una medida entre 32 y 34, la talla L es adecuada
para mujeres con una medida entre 34 y 38, mientras que el tamaño XL para medidas
mayores a 38.
Supongamos que seleccionamos una mujer al azar de una población, y su medida

pectoral, X, tiene distribución normal con media 34.25 y desviación estándar 1.75
pulgadas.
1) Encuentre la proporción de mujeres con una medida pectoral de menos de 29

pulgadas, de modo que el tamaño S sea demasiado grande.
2) Una fábrica produce 5000 camisas femeninas mensuales intenta producir cada talla en
proporción similar a como se encuentra distribuida la medida pectoral en la población.
Encuentra cuántas camisas de talla M debería producir
Datos
X=Medida pectoral de una mujer
X N ( 34,25; 1,75 )
1) Encuentre la proporción de mujeres con una medida pectoral de menos de 29

pulgadas, de modo que el tamaño S sea demasiado grande.
X < 29
σ =1,75
μ=34,25
Formula a aplicar:
X −μ
z=
σ

29−34,25
z=
1,75
z=−3 → 0,0013
Verificamos en la tabla de Probabilidades
Respuesta: Las mujeres con una medida pectoral de menos de 29 pulgadas son el 0,13%
Verificación Geogebra
2) Una fábrica produce 5000 camisas femeninas mensuales intenta producir cada talla en
proporción similar a como se encuentra distribuida la medida pectoral en la población.
Encuentra cuántas camisas de talla M debería producir
Datos
La talla M es adecuada para mujeres con una medida entre 32 y 34
P ( 32≤ X ≤ 34 )
X =32≤ X ≤ 34
σ =1,75
μ=34,25
Entonces reemplazamos en la fórmula:
34−34,25
z 1= =−0,1428 →0,44
1,75
32−34,25
z 2= =−1,28 → 0,10
1,75
Verificamos en la tabla
Entonces tenemos que:
z 2−z 1 → 0,44−0,10=0,34 →34 %
Camisas a producir 5000∗0,34=1700 camisas talla M
Respuesta: El % de camisas de talla M es igual al 34% y la cantidad de camisas talla M

que debe producir son de 1700.
Ejercicio 5. Video Explicativo.

a. La probabilidad de responder bien una pregunta de un examen cuando no se ha

estudiado, es del 30%, si un examen tiene 10 preguntas.
p=0.3
P ( x ≥ 6 )=P ( x=6 )+ P ( x=7 )+ P ( x=8 )+ P ( x=9 ) + P( x=10)
P ( x=6 ) =10C 6∗0.36 0.710−6=0,0367569
7 10−7
P ( x=7 )=10 C 7∗0.3 0.7 =0,0090017
P ( x=8 )=10 C 8∗0.3 8 0.7 10−8=0,0014467
9 10−9
P ( x=9 )=10C 9∗0.3 0.7 =0,0001378
10 10−10
P ( x=10 )=10 C 10∗0.3 0.7 =0,0000059
P ( x ≥ 6 )=0,0473490
La probabilidad de aprobarlo es del 4.73%
2) 1. Cuál es la probabilidad de aprobar un examen sin estudiar, (Recuerde un examen se

aprueba con 6 o más respuestas buenas).
p=0.7
P ( x<6 )=1−[ P ( x=6 ) + P ( x =7 ) + P ( x =8 ) + P ( x =9 ) + P( x=10)]
P ( x=6 ) =10C 6∗0.76 0.310−6=0,2001209
7 10−7
P ( x=7 )=10 C 7∗0.7 0.3 =0,2668279
P ( x=8 )=10 C 8∗0.7 8 0.310−8=0,2334744
9 10−9
P ( x=9 )=10C 9∗0.7 0.3 =0,1210608
P ( x=10 )=10 C 10∗0.710 0.310−10=0,0282475
P ( x<6 )=1−0,8497317=0,15
La probabilidad de perderlo es del 15%.

b. Un vendedor de seguros de vida vende en promedio 2 pólizas por semana, teniendo en

cuenta que trabaja lunes a viernes todo el día y sábado medio día tomándose descanso el
día domingo. Calcular la probabilidad de:
1. Que venda alguna póliza en una semana.
2. Que venda dos o más pólizas pero menos de 6 en una semana.
Solución
Exito=vender poliza de seguro
X =numero de ventas por semana
λ=2 ventas por semana
Tenemos que la fórmula de la distribución poisson es:
λ x∗e−λ
P ( X )=
X!
Que venda alguna póliza en una semana.
P ( X ≥1 ) =P ( x=1 ) + P ( x=2 ) … .
El complemento de la probabilidad es
P ( X ≤1 ) =1−P ( X <1 )
P ( X ≤1 ) =1−P ( X=0 )=1
( 2 )1∗e−2
P ( 1 )= =0.2706=27.06 %
1!
La probabilidad que venda al menos 1 es del 27.06%
Que venda dos o más pólizas pero menos de 6 en una semana entonces
P ( X ≥2 ) y P ( X < 6 )
2 −2 3 −2 4 −2 5 −2
(2) ∗e (2) ∗e (2) ∗e (2) ∗e
P ( 1 )= + + +
2! 3! 4! 5!
P ( 1 )=0.27+ 0.18+0.09+0.036=0.576=57.6 %
La probabilidad que venda 2 y menos de 6 en una semana es del 57.6%

d. En una compañía productora de joyas de oro se midieron los pesos en gramos de 20

dijes. Obteniendo un peso promedio de 1.25 y una desviación estándar de 0.42, si se
supone que el peso de los dijes se encuentra normalmente distribuido con una media y
desviación estándar similar a la de la muestra. Responda:
1. ¿Cuál es la probabilidad de que un dije pese más de 1 gramo?
2. ¿Cuál es la probabilidad de que un dije pese entre 0.9 y 1.5 gramos?
Datos
X=El peso de los dijes
X N ( 1,25; 0,42 )
1. ¿Cuál es la probabilidad de que un dije pese más de 1 gramo?
X >1
σ =0,42
μ=1,25
P ( X >1 )=0,7242=72,42 %
Respuesta: La probabilidad de que un dije pese más de 1 gramo es del 72,42%
Verificación en Geogebra
2. ¿Cuál es la probabilidad de que un dije pese entre 0.9 y 1.5 gramos?
P ( 0,9 ≤ X ≤ 1,5 )
X =0,9 ≤ X ≤ 1,5
σ =0,42
μ=1,25
Entonces reemplazamos en la fórmula:
0,9−1,25
z 1= =−0,83→ 0,2033
0,42
1,5−1,25
z 2= =0,59 → 0,7242
0,42
Verificamos en la tabla, entonces tenemos que:
→ 0,7242−0,2033=0,5218
Respuesta: La probabilidad de que un dije pese entre 0.9 y 1.5 gramos es del
52,18%
Tabla del link de los videos del último ejercicio.
ESTUDIANTE LINK DEL VIDEO EXPLICATIVO DEL EJERCICIO
JOTAHAN BENJUMEA https://youtu.be/P02t_ImPoYM
LUIS SANCHEZ https://youtu.be/idOAv8bbwQ8
JAVIER MEDINA https://drive.google.com/file/d/

1nxdc3NYfMZ0YXxpO5ngSzFchOEtKjjJH/view?
usp=sharing
DAIRO CUETO
Conclusiones
Una vez terminado el desarrollo de este trabajo se puede concluir que, es muy
importante para un estudiante independientemente de la profesión que se encuentre
estudiando conocer los conceptos básicos de la probabilidad y sobre todo saber interpretar
cual probabilidad y distribución debe utilizar para dar solución a problemas cotidianos
dependiendo la situación y datos que se le presenten.
BIBLIOGRAFIA
 Gamero Burón, C. (2017). Estadística I: elementos de estadística descriptiva y de

teoría de la probabilidad. (pp. 257-262, 329-345, 383-395). Servicio de
Publicaciones y Divulgación Científica de la Universidad de Málaga. Recuperado
de https://elibro-net.bibliotecavirtual.unad.edu.co/es/ereader/unad/60724?page=257
 Llinás Solano, H. (2017). Estadística descriptiva y distribuciones de probabilidad.
(pp. 183-186, 214-235, 283-299). Universidad del Norte. Recuperado
 Obando López, J. y Arango Londoño, N. (2019). Probabilidad y estadística. Fondo
Editorial EIA. (pp. 57-69, 72-74). Recuperado de https://elibro-
net.bibliotecavirtual.unad.edu.co/es/ereader/unad/125705?page=58
 Rodríguez Franco, J. y Pierdant Rodríguez, A. I. (2015). Estadística para
administración. (pp. 241-268, 287-297). Grupo Editorial Patria. Recuperado
 Sánchez, J.(2020). OVI – Unidad 2. Distribución Poisson. Recuperado
de https://repository.unad.edu.co/handle/10596/35640
 Eli Zurita. (2014), probabilidad y estadística. Recuperado de
https://probabilidadzl.weebly.com/probabilidad/teoria-de-conjuntos
 Morales J. (2012). Probabilidad y Estadística. Recuperado de
http://probabilidadyestadisticaitsav.blogspot.com/2012/05/16-diagrama-de-
arbol.html
 Lopez, C. Espacio Muestral Punto Muestral Evento A Complemento del Evento A.

Retrieved from
https://www.academia.edu/38741223/Espacio_Muestral_Punto_Muestral_Evento_
A_Complemento_del_Evento_A
 Probabilidad - Diagrama de árbol. Retrieved from
https://sites.google.com/site/probabilidaddiagramadearbo/

Trabajo Final Grupo 100402 293

Cargado por

Copyright:

Formatos disponibles

Trabajo Final Grupo 100402 293

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Trabajo Final Grupo 100402 293

Cargado por

Copyright:

Formatos disponibles

UNIDAD 2 - TAREA 3 – EXPERIMENTOS ALEATORIOS Y DISTRIBUCIONES DE

Jonathan Alfonso Benjumea

Luis Rene Sánchez forero

Javier Andrés Medina Meléndez

NAYIVES XILENA TRUJILLO

Universidad Nacional Abierta y a Distancia – UNAD

Escuela de Ciencias Básicas Tecnologías e Ingeniería ECBTI

El siguiente trabajo se va a realizar con el fin de que los estudiantes pongan en

 Socializar en la plataforma la tabla de definición de concepto, evidenciando su

Actividad 1. Tabla comparativa de conceptos (Grupal).

La actividad consta de 3 pasos, los cuales ayudan al desarrollo de la actividad:

Paso 1. Se recomienda revisar las siguientes referencias bibliográficas del entorno de

Paso 2. A partir de las referencias bibliográficas consultadas (pueden utilizar referencias

Es aquella que solo puede tomar un

Distribución de En esta se describe la probabilidad

Es una de las medidas más usada

Desviación Es una medida de dispersión la cual

datos u observaciones que var ( x )=∑ ¿ ¿¿ ¿

Distribución Es una distribución de

Aproximación de La distribución binomial se

Es una distribución de variable

Distribución Es aquella que tiene por media el

Aproximación de Se utiliza una distribución normal

Actividad 2. Ejercicios de aplicación - Individual

Tipo de ejercicios 1 - Distribución Binomial.

Desarrollado por Luis Rene Sanchez

1) ¿Camilo gana los 10?

Desarrollo del Ejercicio.

Tenemos los siguientes datos.

 ¿Camilo gana los 10?

n = 10, x = 10, p = 0.4, q = 0.6

Utilizo la fórmula de Distribución Binomial, remplazo y opero los datos

f ( x )=P ( X =10 )=( 1 ) ( 0.0001048576 ) ( 1 )=0.0001048576

Para denotarlo en porcentaje se multiplica por cien.

La probabilidad que Camilo gana los 10 juegos es 0.01%

 ¿Juan gana cómo máximo dos juegos?

n = 10, x = 2, p = 0.6, q = 0.4

Para efectos de practicidad y de demostrar la apropiación de los conceptos, solo voy

Utilizo la fórmula de Distribución Binomial, remplazo y opero los datos

f ( x )=P ( X =2 )=( 45 )( 0.36 )( 0.00065536 )=0.010616832

Para denotarlo en porcentaje se multiplica por cien.

La probabilidad que Juan gana cómo máximo dos juegos es 1.23%

Imagen 1. Comprobación en Software GeoGebra del ejercicio 1 numeral 2.

 ¿Camilo gana al menos seis juegos?

n = 10, x = 6, p = 0.4, q = 0.6

Para efectos de practicidad y de demostrar la apropiación de los conceptos, solo voy

Utilizo la fórmula de Distribución Binomial, remplazo y opero los datos

f ( x )=P ( X =6 ) =( 210 )( 0.004096 )( 0.1296 )=0.111476736

Ahora sumo las probabilidades de 6 hasta 10.

P ( X ≥6 )=0.111476736+ 0.0425+ 0.0106+0.0016+ 0.0001=0.1662

Para denotarlo en porcentaje se multiplica por cien.

La probabilidad que Camilo gana al menos seis juegos es 16.62 %

Imagen 3. Comprobación en Software GeoGebra del ejercicio 1 numeral 3.

1) ¿Cuál es la probabilidad de que no todas las 30 personas estén vivas en 15 años?

Exito=una persona no este viva en15 años

p=P ( exito ) =0.2

n=numero de veces que se repite el evento=30 que es el tamaño de muestra

x=numero de personaque esten vivaen 15 años

La fórmula de la distribución binomial